پيش بيني فعاليت هاي انساني با استفاده از شبكه ماركوف و خوشه بندي فازي

با توسعه تكنولوژي خانه هاي هوشمند، به منظور نظارت و كمك به افراد ناتوان، شناسايي فعاليت هاي روزمره انسان ها علي الخصوص سالمندان از اهميت زيادي برخوردار شده است. در اين راستا حسگرهايي جهت دريافت اطلاعات مختلف در زمينه شناخت فعاليت هاي انساني ايجاد شدند. با تحليل داده هاي جرياني حسگرها مي توان به روشي بهينه، جهت شناسايي فعاليت هاي روزمره دست يافت. در اين مقاله ، با خوشه بندي فازي حسگرها و استفاده از شبكه منطقي ماركوف به شناسايي و پيش بيني فعاليت ها پرداخته شده است و پايگاه داده مورد استفاده ، اطلاعات خانه هوشمند آزمايشگاه سيستم هاي تطابق پذير دانشگاه واشنگتن بوده كه در پايگاه داده فوق اطلاعات پنج فعاليت توسط حسگرهاي دودويي جمع آوري شده است. اين خانه هوشمند داراي 36 حسگر در انواع مختلف مي باشد.حسگرها متفاوت بوده و داده هاي زيادي توليد مي نمايند. با خوشه بندي محتوايي و مكاني حسگرها ميتوان شبكه بندي آنها و تشخيص فعاليت انسان را هدفمند نموده و سرعت تشخيص فعاليت را افزايش داد همچنين داده هاي حسگرها جمع آوري شده سپس خوشه بندي مي شوند.انتخاب تعداد خوشه ها با استفاده از معيار سيلوهيته تخمين زده شده است. با انتخاب چهار خوشه براي حسگرها عملكرد سيستم بهبود يافته و روش پيشنهادي با دقت 97.82 درصد به تشخيص و شناسايي فعاليت ها پرداخته است. نتايج نشان مي دهد كه اين روش به ميزان 2.1 درصد سيستم تشخيص را نسبت به مدل شبكه منطقي ماركوف بهبود داده است.